图像信息作为最直观的信息类型，受到广泛关注和研究。特别是红外和可见光的图像信息融合，由于红外和可见光各自的成像特性使得它们的图像信息有很好的互补性，能有效地展示和综合图像的特征信息、突出红外目标、增强场景理解等，在医学、军事、监控、搜救等领域具有巨大利用价值。随着信息融合技术的发展，人们提出了多种融合方法，这些方法可分为三类:替代方法，神经网络方法和多尺度变换方法。然而，这些算法在提取源图像主要信息的过程中很容易丢失一些细节或是处理速度缓慢影响图像融合效果。　　本文主要通过研究融合算法，将微光条件下的目标更易显现。图像融合分为图像分解、系数融合和图像重构三个部分，本文从图像的分解与重构法和融合规则两方面进行算法改进结合，二者用在红外图像和可见光图像融合中，主要研究内容包括以下几个方面:首先，了解了红外及可见光传感器的成像特性，对微光下红外与可见光进行了系统分析建立了权值模型和图像融合模型，并对图像融合的评价指标及评价依据进行了详细介绍和探讨。其次，对于红外图像的预处理进行研究，从图像配准、图像平滑降噪和增强目标对比度三个方面，通过实验分析比较，以提升红外与可见光图像的融合效果，增强融合图像的可观测性。然后，对现有的离散小波变换(DWT)、主成成分分析(PCA)、非下采样Contourlet变换(NSCT)融合算法进行总结和归纳，依据这些算法的变换理论，做了仿真试验，指出了其中的不足，为之后的改进算法提供理论方法和对比数据。最后，提出了两种改进型的融合算法，分析了算法的方法思路，建立模型系统，总结实验步骤，并通过试验效果以及和其他算法的比对，实验结果证明这两种红外与可见光图像融合算法都是有效的，能更有效的保留源图像中的目标信息及空间结构信息，融合图像更为清晰且信息含量更多，从而证明了算法的有效性。　　综上所述，本文研究了红外与可见光图像融合技术，针对微光下红外图像与可见光图像的特点，研究现有算法融合效果，并提出两种改进图像融合算法，通过仿真实验验证了所提出的算法具有较好的融合效果。